Cómo probar los efectos aleatorios en un modelo multinivel en R

Question

He estado leyendo un buen libro llamado Análisis de datos longitudinales aplicados: Modelización del cambio y la ocurrencia de eventos por Judith Singer y John Willet. El libro muestra que al modelar en 2 niveles, podemos modelar el cambio individual en el nivel 1 y en el nivel 2 modelar las diferencias sistemáticas interindividuales en el cambio.

El Códigos R ya que los ejemplos sólo muestran cómo utilizar lme() para estimar los efectos fijos y aleatorios. Sin embargo, el texto sugiere que debemos probar los componentes de la varianza para determinar si los efectos aleatorios son significativos o no.

Por ejemplo, uno de los códigos sólo hace lo siguiente:

library(nlme)

model.a <- lme(alcuse~ 1, alcohol1, random= ~1 |id)
summary(model.a)

Linear mixed-effects model fit by REML
 Data: alcohol1 
       AIC      BIC    logLik
  679.0049 689.5087 -336.5025

Random effects:
 Formula: ~1 | id
        (Intercept)  Residual
StdDev:   0.7570578 0.7494974

Fixed effects: alcuse ~ 1 
                Value  Std.Error  DF  t-value p-value
(Intercept) 0.9219549 0.09629638 164 9.574139       0

Standardized Within-Group Residuals:
       Min         Q1        Med         Q3        Max 
-1.8892070 -0.3079143 -0.3029178  0.6110925  2.8562135 

Number of Observations: 246
Number of Groups: 82

Pero el texto enumera lo siguiente:

• efecto fijo: 0,922*** (s = 0,096) -> disponible en la salida
• varianza dentro de la persona: 0,562*** (s = 0,062) -> se puede obtener de la salida (desviación estándar residual de efecto aleatorio al cuadrado)
• varianza entre personas: 0.564*** (s = 0.119)

Mi trabajo implica muchos análisis de datos longitudinales, por lo que realmente necesito entender esta idea. Su ayuda es muy apreciada.

Answer 1

(Publicaría esto como un comentario a la respuesta anterior de 'chi', pero no veo que eso sea posible aquí).

Tenga mucho cuidado con intervals() y anova() de la nlme Estos paquetes tienen exactamente los defectos que señala @fabians más arriba: se basan en la distribución chi-cuadrado estándar aplicada a una aproximación cuadrática de la forma del perfil de probabilidad para las varianzas. El nuevo lme4a (en r-forge) permite la creación de perfiles de verosimilitud para los parámetros de varianza, que se encarga de la parte de aproximación cuadrática (aunque no de la parte distributiva).

Además, se ha debatido bastante sobre si eliminar los componentes de varianza no significativos es una buena idea o no (no tengo una referencia inmediata, pero esto se ha discutido en los modelos mixtos r-sig).

Answer 2

Todos los dobles $T^*$ , donde $T$ es libre de torsión -y por lo tanto todo módulo reflexivo- es una segunda sizigia, como se muestra al dualizar una presentación proyectiva de $T$ . Por otra parte, se deduce de Auslander-Bridger (o ver una presentación un poco más legible de Masek (último corolario de este trabajo ) que si un anillo $R$ satisface S1 y es Gorenstein en los primos mínimos, entonces toda segunda sicigia es reflexiva.

Por lo tanto, para los anillos reducidos ser un dual de un libre de torsión equivale a ser reflexivo equivale a ser una segunda sicigia. En particular, siempre que la dimensión global sea al menos 3, hay duales que no son proyectivos.

Volviendo a la pregunta original: ¿cuándo se puede concluir la dualidad de $T$ ¿es gratis? (Voy a hablar sólo de anillos locales, así que ignora la distinción entre libre y proyectivo). Supongamos que $A$ es un anillo local normal. Si existe un módulo $N$ tal que $\operatorname{Ext}(T,N)=0$ para $i = 1, ..., \operatorname{depth} (N)-2$ entonces el dual de $T$ es libre. En particular, si $N$ tiene una profundidad menor o igual a $3$ y $\operatorname{Ext}_R^1(T,N)=0$ entonces el dual de $T$ es gratis. Esto está en un documento reciente de Jothilingam, pero no es difícil de probar directamente. No es una condición sólo en $A$ pero tal vez sea útil.

Answer 3

El intervals() debería proporcionarle $100(1-\alpha)$ intervalos de confianza para los efectos aleatorios de su modelo, véase help(intervals.lme) para obtener más información. También puede probar si alguno de los componentes de la varianza puede ser eliminado del modelo utilizando anova() (lo que equivale a hacer un LRT entre dos modelos anidados).

Answer 4

No pude darle ningún tipo de sentido al archivo una vez que lo guardé en el disco y creo que Adam está en el la idea de la descompilación va por buen camino .

Pude descompilar y husmear. Tratar de clasificar a través de cientos (tal vez miles) de clases llamadas 'a','b','c' fue demasiado para mí, pero creo que la respuesta está ahí para alguien que sabe su alrededor. Definitivamente prefiero usar la aplicación.

Si se siente inclinado a desempaquetar el dex del archivo apk archivo y convertirlo en un frasco , puedes abrirlo con un descompilador de java. Esto puede ser legal o no dependiendo de la licencia del software o del país en el que vivas, aunque no he podido encontrar nada específico sobre mi aplicación en mi droid. Tal vez sea un texto legal en el uso del sistema operativo Android ( en cuyo caso, tendré que volver y borrar parte de esta respuesta ).